CN111064924B - 一种基于人工智能的视频监控方法及系统 - Google Patents

Abstract

本申请实施例提供一种基于人工智能的视频监控方法及系统，方法包括：S1、设定摄像头对人物事件出现的先验概率P_i，j；S2、根据概率P确定对人物事件的抽帧频率f_i，j；S3、摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出出现概率P′_i，j；S4、判断人物事件的出现概率P′_i，j是否大于先验概率P_i，j，若是，则判断是否需进一步验证，若否，则更新概率P为出现概率P′_i，j，并返回步骤S2。系统包括：数据采集设备和数据处理设备，数据采集设备用于：采集人物事件信息，并抽取人物事件信息发送至数据处理设备；数据处理设备用于：基于人物事件信息，生成处理结果，反馈给数据采集设备。实现了动态调整前端摄像头的抽帧频率，提高事件检测准确性。

Description

一种基于人工智能的视频监控方法及系统

技术领域

本申请涉及视频监控安防技术领域，尤其涉及一种基于人工智能的视频监控方法及系统。

背景技术

随着城市现代化建设发展速度的不断加快，城市管理相对滞后成为一个突出性的共性问题。当今科学技术的飞速发展，社会进入数字化、信息化时代，而利用高新技术预防、制止、打击犯罪，已逐渐在三大防范手段(即人防、制防、技防)中，占据了愈来愈重要的主导地位。因此，视频监控成为提高城市公共服务能力，增强城市管理水平的有力抓手。

当前，视频监控系统广泛已运用于公安、交管、能源、科教文卫、工商企业等行业，但是仍存在如下缺陷：

1、前端摄像头实时视频全部同时回传中心服务器，对带宽要求高；

2、前端摄像头通过完整视频分析进行异常事件判定，对处理器要求高；

3、视频分析缺少自适应学习，资源分配不科学。

发明内容

本申请的多个方面提供一种基于人工智能的视频监控方法及系统，以解决现有技术中对带宽要求高、对处理器要求高和资源分配不科学的问题。

本申请一方面提供一种基于人工智能的视频监控方法，其特征在于，包括：

S1、设定摄像头对人物事件出现的先验概率P_i,j；

S2、根据概率P确定对人物事件的抽帧频率f_i,j；

S3、摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出出现概率P′_i,j；

摄像头的抽帧频率F_i为摄像头对人物事件的最大抽帧频率f_i,j，满足如下公式：

F_i＝max(f_i,j)；

S4、判断人物事件的出现概率P′_i,j是否大于先验概率P_i,j，若是，则判断是否需进一步验证，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2；

其中，摄像头设置有N个，可同时识别M种人物事件，i为摄像头的序数，i∈(1,N)；j为人物事件的序数，j∈(1,M)；

P_i,j为摄像头i∈(1,N)拍摄范围内对各类人物事件j∈(1,M)出现的先验概率；

f_i,j为摄像头i针对各类人物事件j的抽帧频率；

F_i为摄像头i的抽帧频率；

P′_i,j为摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出的出现概率。

进一步的，所述判断是否需进一步验证，若是，则读取录像文件验证，判断是否为异常事件，若否，产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2。

进一步的，所述判断是否为异常事件，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2，若是，则产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2。

进一步的，抽帧频率f_i,j与概率P呈正比关系：

f_i,j＝α·P。

进一步的，摄像头的抽帧频率F_i应满足如下公式：

F_i≤FPS_i

其中，FPS_i为摄像头录制视频帧数，G_max为云端带宽，G_i为摄像头的带宽。

本申请另一方面提供一种基于人工智能的视频监控系统，其特征在于，包括：相互连接的数据采集设备和数据处理设备，

所述数据采集设备用于：采集人物事件信息，并抽取所述人物事件信息发送至所述数据处理设备；

所述数据处理设备用于：基于所述人物事件信息，生成处理结果，并反馈给所述数据采集设备。

进一步的，所述数据采集设备内设置有存储模块，可支持24小时～3个月的信息存储。

在本申请实施例中，实现了基于各类人物事件出现概率动态调整前端摄像头的抽帧频率。能够解决当前视频监控利用完整视频信息进行异常事件分析时，对实时处理器要求高，以及多摄像头实时视频同时回传中心时，带宽受限的问题。同时利用该摄像头各类人物事件出现概率，逐步动态调整前端摄像头的抽帧频率，提高事件检测准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一实施例提供的一种基于人工智能的视频监控方法的工作流程图；

图2为本申请一实施例提供的一种基于人工智能的视频监控系统的结构示意图。

其中：1-数据采集设备；2-数据处理设备。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本实施例一方面提供一种基于人工智能的视频监控方法，包括

S1、设定摄像头对人物事件出现的先验概率P_i,j；

摄像头设置有N个，可同时识别M种关键人物事件，设定摄像头i∈(1,N)拍摄范围内对各类人物事件j∈(1,M)出现的先验概率P_i,j，

S2、根据概率P确定对人物事件的抽帧频率f_i,j；

摄像头i针对各类人物事件j的抽帧频率f_i,j与概率P呈正比关系：

f_i,j＝α·P (1)

首次工作时，概率P为先验概率P_i,j。，则式(1)为：f_i,j＝α·P_i,j

之后工作中，概率P为出现概率P′_i,j，则式(1)为：f_i,j＝α·P′_i,j

S3、摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出出现概率P′_i,j；

摄像头i的抽帧频率F_i为该摄像头对应的各类人物事件的最大抽帧频率f_i,j，满足如下公式：

F_i＝max(f_i,j) (2)

摄像头i的抽帧频率F_i应满足如下公式：

F_i≤FPS_i (3)

其中，FPS_i为该摄像头录制视频帧数,G_max为云端带宽，G_i为该摄像头的带宽。

S4、判断人物事件的出现概率P′_i,j是否大于先验概率P_i,j，若是，则判断是否需进一步验证，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2；

判断是否需进一步验证，若是，则读取录像文件验证，判断是否为异常事件，若否，产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2；

判断是否为异常事件，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2，若是，则产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2。

本实施例另一方面提供一种基于人工智能的视频监控系统，包括，相互连接的数据采集设备1和数据处理设备2，数据采集设备1和数据处理设备2之间通过网络相互连接。本实施例中所指的网络，可以是但不限于光纤、WiFi、3G/4G/5G等。

数据采集设备1用于：采集人物事件信息，并将抽取人物事件信息发送至数据处理设备2；

根据抽帧频率，从采集人物事件信息中中抽取图像，该人物事件信息可以是但不限于视频图像，保存并上传。数据采集设备1内设置有存储模块，可支持24小时～3个月的信息存储。

数据处理设备2用于：基于人物事件信息，生成处理结果，并调整数据采集条件。

数据处理设备2根据人物事件信息，初步判定为疑似异常事件，结合多类型事件训练模型，针对待验证事件，调用前端网络摄像头IP地址，进行基于视频识别算法的历史视频和实时视频验证，当确定为异常事件时，向相关管理部门发送告警情报。

调整数据采集条件用于，基于各类人物事件出现概率，动态调整数据采集设备1的抽帧频率，以便提高事件检测精度，同时合理分配资源占有率。

本实施例中所指的数据采集设备1，可以是但不限于一体化摄像头、枪式摄像头、球型摄像头、红外夜视摄像头等。

本实施例中所指的数据处理设备2，可以是但不限于流媒体服务器、大数据存储平台、人工智能算法平台、各部委办局情报平台接口等。

本实施例中所指的人物，可以是但不限于行人、车、飞机、动物等。

本实施例中所指的异常事件，可以是但不限于人员聚集、声音骚动、烟雾火灾、交通事故、交通严重拥堵、破坏公共设施、车辆逆行、牌照无法识别、交通流量异常、违反限行、报废车辆上路行驶、非机动车闯红灯、外地车数量异常、逾期未检车辆上路行驶、机动车闯红灯、不文明停车、状态异常车辆识别、路口车辆交通秩序混乱、行人闯红灯、车辆偏离路线、车型构成异常、行人翻越护栏、信号灯不正常显示、占道施工等。

在本申请中，实现了基于各类人物事件出现概率动态调整前端摄像头的抽帧频率。能够解决当前视频监控利用完整视频信息进行异常事件分析时，对实时处理器要求高，以及多摄像头实时视频同时回传中心时，带宽受限的问题。同时利用该摄像头各类人物或事件出现概率，逐步动态调整前端摄像头的抽帧频率，提高事件检测准确性。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备2的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备2的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备2以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备2上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (7)

1.一种基于人工智能的视频监控方法，其特征在于，包括：

S1、设定摄像头对人物事件出现的先验概率P_i,j；

S2、根据概率P确定对人物事件的抽帧频率f_i,j；

S3、摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出出现概率P′_i,j；

摄像头的抽帧频率F_i为摄像头对人物事件的最大抽帧频率f_i,j，满足如下公式：

F_i＝max(f_i,j)；

S4、判断人物事件的出现概率P′_i,j是否大于先验概率P_i,j，若是，则判断是否需进一步验证，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2；

其中，摄像头设置有N个，可同时识别M种人物事件，i为摄像头的序数，i∈(1,N)；j为人物事件的序数，j∈(1,M)；

P_i,j为摄像头i∈(1,N)拍摄范围内对各类人物事件j∈(1,M)出现的先验概率；

f_i,j为摄像头i针对各类人物事件j的抽帧频率；

F_i为摄像头i的抽帧频率；

P′_i,j为摄像头按照摄像头的抽帧频率F_i，从视频中抽取图像，实时分析并保存上传，得出的出现概率。

2.根据权利要求1所述的基于人工智能的视频监控方法，其特征在于，所述判断是否需进一步验证，若是，则读取录像文件验证，判断是否为异常事件，若否，产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2。

3.根据权利要求2所述的基于人工智能的视频监控方法，其特征在于，所述判断是否为异常事件，若否，则更新概率P为出现概率P′_i,j，并返回步骤S2，若是，则产生告警情报，更新概率P为出现概率P′_i,j，并返回步骤S2。

4.根据权利要求1所述的基于人工智能的视频监控方法，其特征在于，抽帧频率f_i,j与概率P呈正比关系：

f_i,j＝α·P。

5.根据权利要求1所述的基于人工智能的视频监控方法，其特征在于，摄像头的抽帧频率F_i应满足如下公式：

F_i≤FPS_i

其中，FPS_i为摄像头录制视频帧数，G_max为云端带宽，G_i为摄像头的带宽。

6.一种基于人工智能的视频监控系统，其特征在于，包括：相互连接的数据采集设备和数据处理设备，所述视频监控系统采用如权利要求1至5任一所述的视频监控方法进行监控，

所述数据采集设备用于：采集人物事件信息，并抽取所述人物事件信息发送至所述数据处理设备；

所述数据处理设备用于：基于所述人物事件信息，生成处理结果，并反馈给所述数据采集设备。

7.根据权利要求6所述的基于人工智能的视频监控系统，其特征在于，所述数据采集设备内设置有存储模块，可支持24小时～3个月的信息存储。

Images